目前，火山机构的识别方法大多是基于常规叠后地震资料的，最常用的方法就是直接从地震剖面特征和切片特征上来识别^{[1, 2]}，再者就是利用叠后地震属性切片来识别火山机构^[3~5]，这些方法简单易用，但效果有限，且人为因素较大，不能够全面真实地反映实际地质情况.

尽管地震各向异性概念的提出由来已久，但是各向异性的研究直到近些年来才随着勘探技术的发展和勘探程度的深入而迅速发展起来.国内关于各向异性的研究起步相对较晚，近年来也有一定的发展，目前正向着从理论研究到实际应用的研究方向发展^[6~10].

火山机构是岩浆活动的产物，其显著特征是内部反射断续、杂乱，横向各向异性强^[11~15].本文提出的方法就是基于火山机构本身的地质属性特点试图寻找出一种或几种地震属性，利用其方位各向异性来识别火山机构.近年的勘探开发实践证明，本文方法对于火山机构的识别具有较好效果.

本文方法利用叠前地震资料，按方位提取地震属性，如振幅、频率等，然后利用每个方位的地震属性值，拟合出一个地震属性椭圆，我们称之为"方位椭圆".研究认为，寻找各向异性特征就是寻找椭圆问题.凡是存在方位各向异性的地方，其振幅一般都表现为椭圆分布.我们将椭圆的长短轴之比称之为"扁率"，扁率即代表该点处各向异性的大小，寻找到椭圆的扁率大小即求得该点处各向异性的大小，而常规叠后地震属性很难直观定量地表示出某一点处各向异性的大小.经研究，如果各个方位上的地震属性值都相同，则该方位椭圆表现为圆形，该点为各向同性；如果各个方位上的地震属性值不同，则表现为椭圆，且各向异性越强，椭圆越扁，即扁率越大(图 1)^[16~19].

图 1

Fig. 1

图 1 不同介质的正演模型示意图 (a) 各向同性介质模型；(b)各向异性介质模型. Fig. 1 Sketch map of the forward model of different mediums (a) Model of isotropic mediums ；b) Model of anisotropic mediums.

根据上述原理，我们设计了基于地震属性方位各向异性的火山机构识别基本流程，详述如下(图 2):

图 2

Fig. 2

图 2 基于地震属性各向异性的火山机构识别流程图 Fig. 2 Flow chart of volcanic edifice identificationbased on seismic attributes anisotropy

(1) 分析原始地震资料，了解覆盖次数和偏移距的基本情况，进行方位角的划分；

(2)对已划分好的不同方位角道集进行速度分析，分方位求取速度；

(3) 利用速度分析结果，对每个方位角的道集数据进行静校正处理和动校正处理；

(4) 对每个方位角数据进行分方位叠加，得到方位叠加数据；

(5) 对每个方位角的叠加数据进行方位偏移处

(6) 在方位偏移道集数据上，分别提取地震属性道集，并进行方位属性分析；

(7) 利用方位地震属性数据进行各向异性计算；

(8) 利用方位各向异性计算结果来预测火山机构的分布；

(9) 对预测结果进行对比分析.

本文方法适用于野外宽方位采集且覆盖均匀、偏移距分布均匀的地震数据.根据实际经验，对于窄方位采集的地震数据也有一定的效果，但具有较大的局限，具体情况还应具体分析.

本文方法受地震资料的品质影响较大，除要求宽方位采集外，还要求对地震资料进行相对保幅、保真处理.因为火山岩地质情况复杂，岩性岩相变化快，所以地质因素的影响也不容忽视.另外的一个影响因素是方位角的划分，方位角的划分决定计算结果的精度，方位角划分多了，分辨率会提高，但不确定性也会增加；方位角划分少了，会降低结果的精度，但不确定性也会相对降低.

按照偏移距一致、覆盖次数一致、选取大偏移距的原则来决定方位角的划分.对于高覆盖次数的宽方位地震数据来说，因为各方向上的覆盖次数相差不大，方位角的划分要尽可能细致和均匀.对于常规窄方位角地震数据来说，因为这种数据一般覆盖次数不高且分布不均匀，应该减少方位组数，以增加每组方位角覆盖次数，并且采取非均匀不规律分组，使各组覆盖次数尽可能的相近.

为了检验本文方法的实际效果，本文对徐深气田徐深21井区的地震资料进行了地震属性的各向异性研究，并进行了火山机构的识别.该区块的地震资料为2007年底采集的全方位三维地震资料，满覆盖面积约30km²，面元为25m×25m，该资料覆盖次数高，且各方向上覆盖次数均匀.经过对地震数据的分析，考虑每个方位角道集数据要有足够的覆盖次数，将原始地震数据按四个方位角来划分(表 1).

根据方位角的划分方案，按照设计流程，进行分方位道集提取，并对每个角道集进行速度分析、静校正处理、动校正处理和叠加处理，详情不再赘述.

表 1(Table 1)

表 1 方位角划分表 Table 1 Azimuth division table

表 1 方位角划分表 Table 1 Azimuth division table

图 3为经过处理的各方位角叠加剖面，从四组不同方位角的叠加剖面上我们可以看出其具有明显差别，其差别证明了各向异性的存在，差别越大各向异性越强.这也是利用各向异性来进行研究的基础.本文的研究采用叠后时间偏移来做，有条件的地区建议采用叠前时间偏移或叠前深度偏移.

图 3

Fig. 3

图 3 各方位角叠加剖面 (a)0°方位角；(b) 45°方位角；(c)90°方位角；(d) 135°方位角. Fig. 3 Stack profile of each azimuth (a) 0 degree azimuth； (b) 45 degree azimuth； (c) 90 degree azimuth； (d) 135 degree azimuth.

地震属性的筛选是一个重要而繁复的过程，经过反复对比筛查和分析试验，发现能量分位数频率属性对各向异性反应最为敏感.因为储层内的各向异性会对地震波的高频产生严重的衰减，使得频率随方位角变化十分敏感.所谓能量分位数频率，是指分析时窗内能量达到总能量85%时所对应的频率.因此本文决定采取能量分位数频率的各向异性变化来预测火山机构的分布.图 4 为各方位角的能量分位数频率剖面，各剖面的差异体现了该属性的各向异性.但从单一属性剖面上还很难看出火山机构的特征来，因此需对其进行椭圆拟合，求取"扁率".

图 4

Fig. 4

图 4 各方位角频率属性剖面 (a) 0°方位角；(b) 45°方位角；(c) 90°方位角；⑶135°方位角. Fig. 4 Frequency attribute profile of each azimuth (a) 0 degree azimuth； (b) 45 degree azimuth； (c) 90 degree azimuth； (d) 135 degree azimuth.

图 5为研究区目的层段从深到浅的各向异性切片，从各向异性切片上可以直观地看出从火山根部到火山口的火山演化过程，切片很直观地反映出四个火山机构.经分析，切片图 5a反映的主要是火山通道相，其各向异性值范围为0~144，强烈的各向异性使其明显区别于周围岩层；切片图 5c反映的是火山口特征，其各向异性值范围为0~32，火山口呈环形或残缺的环形，经分析，残缺是后期的风化剥蚀导致的，而环形内部各向异性低值则是由于火山口内后期的沉积作用所致^[20~22]；图 5b 处于火山根部和火山口的中间，呈现出过渡形态特征.与各向异性切片相比较，在图 6 所示的相应深度的常规地震切片上，火山形态不明显，也很难看出从深到浅的演化关系.

图 5

Fig. 5

图 5 研究区不同深度的各向异性切片图 (a)火山机构底部；(b)火山机构中部；(c)火山机构顶部. Fig. 5 Anisotropic slices at diiferent depths in study area (a) The bottom of volcanic edifice； (b) The middle of volcanic edifice； (c) The top of volcanic edifice.

图 6

Fig. 6

图 6 研究区不同深度的常规地震切片图 (a)火山机构底部；(b)火山机构中部；(c)火山机构顶部. Fig. 6 Conventional seismic slices at different depths in study area (a) The bottom of volcanic edifice? (b) The middle of volcanic edifice? (c) The top of volcanic edifice.

通过对现有数据的试验，本文方法对于火山机构的识别具有一定的效果，尤其是对于火山通道的识别.本文方法无须井约束，人为干预少，为火山机构的识别提供了一种有效的手段.由于火山岩地层地质情况的复杂性，在应用地震属性各向异性来进行火山机构识别时，应结合地质、测井等多种资料进行综合分析，以降低不确定性.

感谢东北石油大学与大庆油田勘探开发研究院的领导与同事们在本文的完成过程中给予的帮助与关心，作者也感谢审稿专家以及吉林大学的王璞臖教授对本文提出的宝贵意见!